Criando experiências na era da economia da atenção
Artigo
Por que a economia da atenção e agora a IA, tornaram obsoleta boa parte do que aprendemos sobre projetar boas interações?
Afinal um software que ignora como o comportamento cognitivo dos usuários mudou ao longo das décadas não fica "datado", ao contrário, ela fica caro: caro em fricção, em suporte, em churn silencioso e, especialmente no B2B, em perda gradual de vantagem competitiva.
Contudo, antes de falarmos particularmente sobre experiências em softwares precisamos entender melhor o que afinal é a tal da economia da atenção.
O termo “economia da atenção” diferente do que muitas pessoas pensam não nasceu com o TikTok. Ele foi cunhado em 1971 pelo economista e cientista cognitivo Herbert Simon, ganhador do Nobel, numa palestra chamada "Designing Organizations for an Information-Rich World", onde ele se referiu a economia da atenção com a frase:
Um mundo rico em informação gera um mundo pobre em atenção, porque o que a informação consome é, precisamente, a atenção de quem a recebe. Dito isso, o que Simon não estava descrevendo é um princípio estrutural, isto é, quando a oferta de informação cresce, o gargalo deixa de ser o acesso à informação que temos e passa a ser a capacidade humana de processá-la.
Esse deslocamento do gargalo é, até hoje, o motivo pelo qual UX importa mais do que importava há 30 anos, não porque as pessoas ficaram "piores" em prestar atenção, mas porque a quantidade de coisas competindo pela atenção delas multiplicou substancialmente.
Em 2006, a Nielsen Norman Group rastreou o movimento ocular de 232 usuários navegando em páginas web e identificou um padrão, de que as pessoas costumam ler a primeira linha por completo, descem, leem uma segunda linha mais curta, e depois escaneiam verticalmente a lateral esquerda sem ler o resto.
Um estudo posterior de replicação feito 11 anos depois, encontrou exatamente o mesmo padrão descrito tanto em desktop e mobile, ou seja, não era um hábito de "gente que ainda não sabia usar a internet", era algo estrutural, assim em uma visita típica de página, o usuário lê entre 20% e 28% do conteúdo o resto, ele apenas escaneia.
Esse escaneamento não é um vício de atenção como podemos pensar, é antes de tudo uma consequência de como a memória de trabalho funciona, segundo a teoria da Carga Cognitiva (Cognitive Load Theory), formulada por John Sweller em 1988, a mesma nós ensina que a memória de trabalho humana processa entre 3 e 7 elementos de cada vez antes de saturar, assim Sweller divide a carga cognitiva em três tipos:
Em 2001, o educador Marc Prensky cunhou os termos "nativo digital" e "imigrante digital" para descrever a diferença entre quem cresceu com tecnologia e quem a adotou depois, argumentando que os nativos digitais "processam a informação de forma fundamentalmente diferente".
Contudo essa distinção geracional não resistiu bem ao escrutínio acadêmico, pois pesquisadores como Bennett, Maton e Kervin (2008) chamam o "nativo digital" de um mito não sustentado empiricamente, e propõem que a variável real não seja a idade de nascimento, mas a intensidade e o tempo de exposição a determinada tecnologia, o que White e Le Cornu (2011) reformularam como espectro de "visitante" e "residente" digital, independente de geração.
Assim temos que na prática um profissional de 55 anos que trabalha com softwares o dia inteiro tem padrões de atenção e escaneamento muito mais parecidos com um usuário de 25 anos do que com um par da mesma idade que usa pouca tecnologia.
Isso é extremamente relevante pois mostra que não é a geração que muda o comportamento, é a exposição acumulada as interfaces de alta velocidade (redes sociais, apps de consumo, agora IA generativa) que recalibra a expectativa de qualquer usuário, independente de sua idade,
Bem, se a geração não é a variável certa, o que pode ser mensurável é a queda no tempo de permanência de atenção em uma única tela, documentada ao longo das décadas, conforme os números abaixo:
| Ano | Tempo médio |
|
2004 |
2,5 minutos |
|
2016 |
47 segundos |
Isso nos mostra um dado muito importante para produto, aifnal o usuário não está sendo "distraído" pelo seu concorrente, em muitos casos ele está, ativamente, treinado para não tolerar fricção, e sai da sua tela pelo próprio impulso quando o custo cognitivo sobe.
Jakob Nielsen (cofundador da NN/g) chamou a IA de "o primeiro novo paradigma de UI em 60 anos", colocando-a no mesmo nível de ruptura que a interface gráfica teve sobre a linha de comando.
Essa mudança não se trata de estética, mas de um novo modelo de interação, onde substitumos a navegação por menus e telas fixas, para uma especificação de intenção onde o usuário passa a dizer o que quer alcançar, e não mais onde clicar.
Assim ao invés de desenhar cada elemento em tela, o designer passa a definir objetivos e restrições dentro dos quais um sistema de IA monta a interface dinamicamente (Generative UI), personalizada por usuário e contexto.
Isso é especialmente relevante quando pensamos em produtos B2B, pois dado esse novo contexto, quando o usuário passa a interagir todo dia com assistentes de IA fora do trabalho, ele implicitamente passa a carregar essa expectativa de volta para dentro do sistema, isto é, dos software que costumeiramente utiliza.
Assim temos que um fluxo de cadastro de 12 campos obrigatórios não compete mais só com o concorrente, compete com o padrão de interação que a IA já normalizou.
Até aqui, podemos pensar que os argumentos citados valem para qualquer software. Contudo, quando nos aprofundamos nesta questão, vemos que a forma como a economia da atenção se traduz em risco de negócio muda bastante dependendo do modelo, e tratar os dois como iguais pode ser um grave erro.
No B2C, a atenção é a métrica de entrada, assim a decisão de continuar usando acontece a cada sessão, muitas vezes a cada tela. Aqui não existe um contrato ou processo interno amarrando o usuário ao produto.
Isso significa que a curva de atenção documentada atua diretamente sobre a métrica de negócio: cada ponto de fricção cognitiva é, literalmente, um ponto de abandono mensurável, é por isso que produtos de consumo levam a economia da atenção tão a sério tão cedo — ela aparece no dado de retenção em tempo real.
Já no B2B a atenção não desaparece ela vira custo operacional escondido, aqui o usuário não escolhe o software; a empresa dele escolheu, existe contrato, treinamento, dados históricos e processo construído em cima da ferramenta.
Isso cria uma ilusão perigosa: como o usuário não pode simplesmente "sair" no mesmo minuto em que a carga cognitiva sobe, o problema não aparece de imediato, contudo, ele aparece em outro lugar muito mais lento e mais caro de enxergar, tais como: em chamados de suporte para tarefas que deveriam ser autoexplicativas; em retrabalho e erro operacional por telas densas mal escaneadas.
Sendo estes sinais manifestados geralmente em NPS e churn de contrato em ciclos de renovação, muitos meses depois da fricção real ter acontecido e, cada vez mais, tendo um aumento de pressão com o tempo, isto é, o mesmo usuário que hoje tolera um fluxo de 12 campos porque "é assim que ERP funciona" é o usuário que, fora do trabalho, já conversa com um assistente de IA em linguagem natural e essa expectativa recalibrada eventualmente vira critério de avaliação no próximo processo de troca de fornecedor.
Dito, isso é possível salientar quatro fatores que influenciam no uso de um sistema B2B, são eles:
1. Quem decide comprar não é quem sofre a fricção diária.
No B2B, o comprador (gestor, diretor, área de compras) avalia o software por critérios diferentes dos do usuário operacional, isso significa que a carga cognitiva mal desenhada pode passar despercebida durante todo o processo de decisão de compra e só ser sentida meses depois, pelo usuário errado, podendo dependendo do caso acabar influenciando na renovação do software.
2. Múltiplos perfis de exposição tecnológica dentro da mesma empresa.
Dentro de uma única conta enterprise convivem o usuário operacional que só usa aquele sistema e mais WhatsApp, e o analista que vive em ferramentas modernas o dia todo.
Desenhar desta maneira para "o usuário médio" tende a servir mal os dois extremos, assim a resposta não é simplificar tudo, é modularizar a complexidade por papel (perfis com diferentes níveis de densidade de informação, não uma tela única para todo mundo).
3. Densidade de informação é requisito do trabalho
Um analista financeiro processando conciliação de centenas de títulos precisa ver mais dados na tela do que um app de consumo jamais mostraria, assim o ganho de reduzir a carga cognitiva não vem de mostrar menos informação, vem de melhorar a arquitetura dela: agrupamento, com hierarquia visual e priorização dentro da densidade que o trabalho exige, não eliminação de dados.
4. O risco de "shadow AI"
Quando o sistema interno não acompanha a expectativa que a IA generativa já normalizou o usuário corporativo não migra de fornecedor sozinho ele começa a resolver por fora, copiando dados para ferramentas de IA não homologadas para gerar relatórios, redigir comunicações ou interpretar informações que o próprio sistema já deveria entregar prontas.
Isso não aparece como churn, mas aparece como risco de segurança e governança de dados, tendo um custo que o time de produto raramente enxerga porque acontece fora do sistema que ele mede.
A ciência das seções anteriores não é só diagnóstico — cada achado aponta para uma decisão de design concreta. Seis princípios, cada um ancorado numa evidência já citada:
1. Desenhe para escaneamento, não para leitura
Coloque a informação mais crítica nas primeiras palavras de cada linha, label e mensagem, não no meio ou no fim de uma frase longa, títulos de seção e labels de campo devem funcionar sozinhos, sem exigir que o usuário leia o parágrafo inteiro ao redor para entender o que fazer.
2. Reduza carga extrínseca, não a complexidade do domínio
A complexidade de um processo financeiro ou de engenharia (carga intrínseca) não pode ser eliminada por design, mas a forma confusa de apresentá-la (carga extrínseca) pode. Trabalhar agrupamentos visuais, e eliminação de campos redundantes atacam exatamente essa camada.
3. Respeite o limite de itens simultâneos
Divida, não empilhe, formulários e telas com muitos campos obrigatórios ao mesmo tempo saturam a memória de trabalho antes mesmo do usuário processar o conteúdo, assim quebrar em etapas com estado salvo é melhor do que uma tela única "completa".
4. Projete para a interrupção, não contra ela
Talvez essa seja uma das dicas mais valiosas: em B2B, a interrupção é regra, não exceção, assim ligações, reuniões e mudanças constantes entre sistemas fazem parte da rotina de um usuário.
Por isso, o produto precisa facilitar não só a execução da tarefa, mas também a sua retomada, assim, pensar em autosaves, indicações clara de onde a pessoa parou e recuperação de contexto sem precisar redigitar informações reduzem o custo de reentrada, justamente onde grande parte da fricção acontece.
5. Migre de navegação para especificação de intenção onde fizer sentido
Nem todo fluxo precisa virar chat, mas buscas e comandos em linguagem natural para tarefas frequentes ("gerar relatório de X do último trimestre") competem diretamente com a experiência que o usuário já tem fora do sistema e reduzem a dependência de memorizar onde cada função está escondida no menu.
6. Modularize por perfil de exposição tecnológica, não por cargo ou "geração"
Ofereça densidade de informação ajustável de modo avançado para quem vive na ferramenta, até um modo guiado para quem usa pouco, em vez de uma única tela pensada para um "usuário médio" que não existe na prática.
Como vimos a pergunta que deveríamos nós fazer quando pensamos em economia da atenção não é se o comportamento cognitivo dos usuários mudou, mas o que de fato está provocando essa mudança.
Afinal, a questão não é simplesmente uma questão geracional ou idade, é o resultado da exposição contínua a interfaces cada vez mais rápidas, simples e responsivas. Neste sentido, a IA generativa está acelerando ainda mais este processo, elevando as expectativas em uma velocidade que dificilmente vimos antes.
Dito isso, para quem projeta softwares B2B, ignorar essa mudança não vai necessariamente quebrar o produto amanhã, contudo, o problema é o acúmulo de fricções.
E essa fricção continua acaba por transforma-se em uma dívida que mais cedo ou mais tarde, fará com que o usuário busque uma experiência que elimine parte desse esforço seja por um concorrente, ou até por uma camada de IA sobre o seu próprio produto. Ou concluindo, o usuário não está necessariamente menos disposto a pensar, mas está menos disposto a gastar energia com coisas que ele entende que a interface já poderia resolver por ele.
Fontes citadas
1. Herbert A. Simon (1971) — Designing Organizations for an Information-Rich World — tandfonline.com
2. Nielsen Norman Group — F-Shaped Pattern for Reading Web Content (2006, replicado em 2017) — nngroup.com
3. John Sweller — Cognitive Load Theory — Springer
4. Marc Prensky (2001) — Digital Natives, Digital Immigrants — PDF original
5. Crítica ao conceito de "nativo digital" (Bennett, Maton & Kervin; White & Le Cornu) — Wikipedia, com referências
6. Gloria Mark (UC Irvine) — Attention Span / pesquisa longitudinal 2004–2023 — UC Irvine ICS
7. Jakob Nielsen — AI: First New UI Paradigm in 60 Years — nngroup.com
8. Nielsen Norman Group — Generative UI and Outcome-Oriented Design — nngroup.com
